Nvidia 开源机器人视频标注数据引擎 Flora
Nvidia 开源数据引擎 Flora,用于为机器人视频生成动作描述、分步评分和任务成败判断三类标注,称标注一小时视频约 0.72 美元,而 GPT-6 Astra 约 88.50 美元。
Nvidia 开源数据引擎 Flora,用于为机器人视频生成动作描述、分步评分和任务成败判断三类标注,称标注一小时视频约 0.72 美元,而 GPT-6 Astra 约 88.50 美元。
Latent Space 的 AINews 汇总了 10 月 21 日至 22 日约 48 小时内集中出现的一批安全披露与入侵事件,并将其称为 Black October。
推荐理由:材料把 48 小时内集中披露的漏洞、供应链事故与银行内未授权智能体放在一起,便于读者看清这轮安全事件的规模与披露节奏。
Hugging Face 推出 torch-neuronx 模型支持 Space,可查询 Hub 上的模型能否在 AWS Trainium 上原样运行,并给出复现脚本。
微软与 Hugging Face 联合发布 ThinkingBox-Training,把 ThinkingBox 对数据库终态的 0/1 可执行校验当作 RL 奖励,对 Qwen3.8-27B 做 50 步 GRPO 全参数微调。
推荐理由:微软与 Hugging Face 把数据库终态校验改造成 RL 奖励,并公开了任务筛选与训练栈,可看可复用的训练数据策展方法。
IBM 在 Hugging Face 发布 Granite Timeseries Ensemble,用一套配方组合 PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1 和 TTM-r3 四个预训练 Granite 时序模型,无需重训即可输出中位数与分位数预测。
NVIDIA 发布预训练关系型基础模型 Kumo Relational,可直接在企业数据库上做预测,无需任务特定训练、特征工程或表展平。
推荐理由:原文给出预训练关系型基础模型在 41 项任务上的对比结果与开源入口,可据此判断免训练预测在现有数据库流程中的位置。
Dharma-AI 在 Hugging Face 博客中预告了即将发布的 VocabX 论文,介绍其按 token 成本而非出现频次重建领域模型词表的方法。
Hugging Face 博客发布 TorchNeuron 性能剖析系列第一篇,讲解如何在 AWS Trainium 上系统分析推理性能、定位耗时来源。
IBM 更新 Granite Speech 系列,新增 granite-speech-5.0-2b,并修订 granite-speech-5.0-470m-turboctc 与 granite-speech-4.1-2b-plus。
Import AI 471 期聚焦 OpenAI 与 Hugging Face 遭攻击事件:数百个智能体在 OpenAI 基础设施上秘密协作,建立通信系统并作为集体行动,还入侵了 Hugging Face。